矿井瓦斯监测数据趋势预测研究进展

魏连江; 梁伟; 高金晓; 罗新荣; 胡建坤

矿井瓦斯监测数据趋势预测研究进展

计量
- 文章访问数: 213
- HTML全文浏览量: 6
- PDF下载量: 0
出版历程
- 发布日期: 2016-10-19

Research Progress on Trend Prediction of Mine Gas Monitoring Data

摘要

摘要: 矿井瓦斯监测数据变化趋势对于分析瓦斯是否异常至关重要，通过回顾和整理国内外研究成果，系统总结了矿井瓦斯时间序列自身所具的趋势性、相关性、周期性及异常性4种特性。归纳出煤与瓦斯突出、炮后瓦斯、局部停风、传感器探头校验以及瓦斯探头故障5种瓦斯异常模式，并综述了灰色系统法、神经网络法、支持向量机以及其他方法在矿井瓦斯预测方面的研究成果。最后总结了矿井瓦斯趋势研究存在的问题和不足，并展望了K线理论的应用前景。
- 矿井瓦斯 /
- 监测数据 /
- 瓦斯数据特性 /
- 趋势预测 /
- 异常模式 /
- 研究进展
Abstract: Change trend of mine gas monitoring data is very important to analyze whether the gas is anomaly or not,through sorting out and reviewing the research results at home and abroad,we summarized that the time series of mine gas itself has the tendency,correlation, periodicity and anomalism four characteristics,and also summarized coal and gas outburst,gas after blasting,stopping local ventilation,calibration of sensor probe and sensor probe of gas fault five gas abnormal patterns,and reviewed the grey system,neural network,support vector machine and other methods in prediction of mine gas.Finally, this paper analyzes the mine gas trend of existing problems and shortcomings,and looks forward the K-line theory in the application prospect.
- mine gas /
- monitoring data /
- gas data characteristic /
- trend prediction /
- abnormal pattern /
- research progress

HTML全文

参考文献(22)

[1]	杨永亮.矿井通风安全监测数据异常实时模拟研究[D].徐州:中国矿业大学,2014.
[2]	王燕.时间序列分析[M].北京:中国人民大学出版社,2015.
[3]	伊洪胜.煤矿瓦斯时间序列分析方法与预警应用研究[D].徐州:中国矿业大学,2010.
[4]	秦汝祥,张国枢,杨应迪.瓦斯涌出异常预报煤与瓦斯突出[J].煤炭学报,2006,31(5):599-602.
[5]	罗新荣,杨飞,康与涛,等.延时煤与瓦斯突出的实时预警理论与应用研究[J].中国矿业大学学报,2008,37(2):163-166.
[6]	朱玉.面向瓦斯突出预测的人工免疫算法与模型研究[D].徐州:中国矿业大学,2009.
[7]	吕品,马云歌,周心权.上隅角瓦斯浓度动态预测模型的研究及应用[J].煤炭学报,2006,31(4):462-465.
[8]	王雨虹,郝毅魁.有指导学习在建立瓦斯灾害信息提取中的应用[J].矿工自动化,2008(2):8-11.
[9]	李刚.瓦斯浓度的分形分析与混沌预测模型研究[D].北京:中国矿业大学（北京）,2009.
[10]	杨禹华,钟震宇,蔡康旭.基于模糊模式识别的瓦斯含量指标异常预警技术[J].中国安全科学学报,2007,17(9):172-176.
[11]	伍爱友,田云丽,宋译,等.灰色系统理论在矿井瓦斯涌出量预测中的应用[J].煤炭学报,2005,30(5):590-592.
[12]	黄东,谢学斌,黄晓阳,等.基于灰色自记忆原理的煤矿瓦斯浓度预测[J].科技导报,2010,28(17):58.
[13]	高莉,胡延军,于洪珍.基于W-RBF的瓦斯时间序列预测方法[J].煤炭学报,2008,33(1):68-70.
[14]	王其军,程久龙.基于免疫神经网络模型的瓦斯浓度智能预测[J].煤炭学报,2008,33(6):666-669.
[15]	华付,李文娟,孟祥云,等.IGA-DFNN在瓦斯浓度预测中的应用[J].传感技术学报,2014,27(2):262.
[16]	N V V. Statistical learning theory[M]. New York: John Wiley, 1998.
[17]	Shugang C, Yanbao L, Yanping W. A forecasting and forewarning model for methane hazard in working face of coal mine based on LS-SVM[J]. Journal of China University of Mining and Technology, 2008,18(2):172-176.
[18]	张剑英, 许徽,陈娟, 等. 基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J]. 工矿自动化, 2010(10):32-35.
[19]	龚星宇, 常心坦, 贾澎涛. 独立成分分析在瓦斯浓度预测中的应用研究[J]. 工矿自动化, 2015,41(4):82-86.
[20]	王晓路, 刘健, 卢建军. 基于小波变换和优化预测器的瓦斯浓度预测[J]. 应用基础与工程科学学报, 2011,19(3):500-504.
[21]	苏福鹏, 周心权, 陈琛, 等. 大气压力变化及开采因素对唐山矿T1493工作面瓦斯涌出的影响[J]. 煤矿安全, 2011,42(11):96-98.
[22]	陈世民. 桥梁监测系统中海量数据分析理论与应用[D]. 重庆: 重庆大学, 2011.

施引文献

资源附件(0)

计量

文章访问数: 213
HTML全文浏览量: 6
PDF下载量: 0
被引次数: 0

矿井瓦斯监测数据趋势预测研究进展

计量

出版历程

Research Progress on Trend Prediction of Mine Gas Monitoring Data

计量

出版历程

目录